IA dans Excel : utiliser ChatGPT ou Copilot pour analyser et automatiser

L’IA peut aider à expliquer une formule ou préparer une méthode d’analyse. Elle ne remplace ni un fichier propre, ni les contrôles qui rendent le résultat fiable.

Deux situations très différentes se cachent derrière l’expression « utiliser l’IA dans Excel ». Dans la première, un collaborateur ouvre un assistant conversationnel dans son navigateur et lui décrit son problème. Dans la seconde, un assistant est intégré à l’environnement bureautique de l’entreprise et accède aux documents selon les droits de l’utilisateur.

Assistant externe et assistant intégré : ne pas confondre

L’assistant externe ne voit que ce qu’on lui décrit ou colle. Il est utile pour raisonner sur une méthode, une formule ou une structure, mais tout ce qui y est transmis quitte le poste de travail. L’assistant intégré travaille dans le périmètre de l’organisation, avec les droits d’accès existants, mais ses fonctions dépendent des licences attribuées, de la configuration du tenant et des versions déployées.

Deux conséquences pratiques. D’abord, aucune fonctionnalité ne doit être promise avant vérification de ce qui est réellement activé chez vous. Ensuite, aucune donnée personnelle ou confidentielle ne doit être transmise à un service qui n’a pas été approuvé par l’entreprise ; les recommandations de la CNIL sur l’usage des systèmes d’IA générative précisent ce cadre.

Ce que l’IA aide réellement à faire

L’apport le plus solide se situe sur le raisonnement et l’explication, pas sur le calcul. Un assistant explique bien une formule complexe, propose une structure d’analyse, diagnostique la logique d’une erreur ou traduit une intention métier en méthode. Il est en revanche peu fiable pour produire un chiffre exact à partir de données qu’il n’a pas réellement traitées.

Cette distinction doit être posée en début de formation, faute de quoi les participants attendent de l’outil une exactitude qu’il ne garantit pas. Le calcul reste l’affaire d’Excel ; l’assistant aide à décider comment calculer.

Dix usages exploitables

• 1. Expliquer une formule existante, ligne par ligne, y compris une imbrication héritée d’un ancien collègue
• 2. Construire une formule à partir d’un besoin décrit clairement, puis la tester sur quelques lignes avant de l’étendre
• 3. Diagnostiquer une erreur : comprendre pourquoi une recherche ne renvoie rien ou pourquoi un total est faux
• 4. Documenter un classeur : décrire les feuilles, les hypothèses, les sources et les points de vigilance
• 5. Proposer une structure de tableau adaptée à un besoin, avant de commencer la saisie
• 6. Préparer un plan de nettoyage : lister les anomalies probables et l’ordre des traitements
• 7. Expliquer une étape de Power Query ou le rôle d’une transformation dans une requête
• 8. Générer des données fictives de test pour valider un modèle sans exposer les vraies données
• 9. Commenter une analyse déjà calculée : formuler les constats, les nuances et les limites
• 10. Préparer une liste de contrôles de cohérence à appliquer avant diffusion

Le point 8 mérite une attention particulière : construire un jeu de données fictif représentatif est souvent le moyen le plus simple de travailler avec un assistant externe sans aucun risque de divulgation.

Les prérequis Excel restent indispensables

Un assistant n’efface pas les fondamentaux. Il faut savoir ce qu’est un tableau structuré, distinguer une donnée d’une mise en forme, comprendre les références relatives et absolues, et manier les tris, filtres et tableaux croisés dynamiques. Sans ces bases, l’utilisateur ne peut ni évaluer la pertinence d’une proposition, ni corriger une formule qui ne fonctionne pas.

Une observation revient souvent en session : la difficulté ne vient presque jamais de la formule, mais du fichier. Colonnes fusionnées, en-têtes multiples, totaux au milieu des données, types hétérogènes. Aucun assistant ne compense un tableau mal construit.

Une méthode de demande en quatre éléments

Objectif, contexte, source et format. En pratique : « Je dois calculer le chiffre d’affaires par mois et par famille de produits. Mon tableau comporte les colonnes Date, Famille, Montant, sur environ trois mille lignes, en tableau structuré nommé Ventes. Propose deux approches, avec leurs limites, et indique laquelle privilégier. »

Décrire la structure sans coller les données suffit dans la grande majorité des cas. Demander deux approches plutôt qu’une seule est un réflexe utile : la comparaison fait apparaître les hypothèses implicites et donne à l’utilisateur un vrai choix.

Anonymisation et minimisation

• Décrire la structure du tableau plutôt que d’en transmettre le contenu
• Remplacer noms, identifiants et coordonnées par des valeurs fictives cohérentes
• Réduire l’échantillon à quelques lignes représentatives quand un extrait est nécessaire
• Arrondir ou transformer les montants sensibles lorsque seule la logique importe
• Vérifier qu’aucun en-tête ou commentaire ne contient d’information confidentielle

Vérifier pas à pas, jamais en bloc

Une formule proposée se teste d’abord sur un petit périmètre dont on connaît le résultat attendu. On compare ensuite avec une méthode indépendante : un total de contrôle, un tableau croisé dynamique construit séparément, ou un calcul manuel sur cinq lignes. On observe enfin les cas particuliers : cellules vides, doublons, valeurs négatives, dates hors période.

Le réflexe à éviter est le collage d’une formule longue directement dans une colonne entière d’un fichier de production. Une erreur silencieuse dans une conversion de date ou dans une correspondance approximative peut passer inaperçue pendant des mois.

IA, formules, Power Query ou macros ?

Ces approches ne se concurrencent pas. Les formules calculent dans la feuille. Power Query importe, nettoie, combine et actualise des données de manière reproductible. Les macros automatisent des enchaînements d’actions. L’IA, elle, n’exécute rien : elle aide à choisir la bonne approche, à écrire plus vite et à comprendre l’existant.

La question à poser devant un besoin est donc double : quel outil doit faire le travail, et en quoi l’assistant peut-il m’aider à le mettre en place. Un retraitement mensuel répétitif relève de Power Query, même si l’assistant a proposé une formule ingénieuse pour le contourner.

Un programme en six modules

• Module 1 — Ce qu’un assistant sait et ne sait pas faire ; différence entre outil externe et outil intégré
• Module 2 — Cadre de données : anonymisation, minimisation, outils approuvés, données fictives de test
• Module 3 — Formules : expliquer, construire, corriger, tester sur périmètre réduit
• Module 4 — Préparation des données : diagnostic d’un fichier, plan de nettoyage, lien avec Power Query
• Module 5 — Analyse et restitution : structurer une analyse, commenter des résultats déjà calculés
• Module 6 — Contrôles et documentation : listes de vérification, traçabilité, transmission du classeur

Un exercice fil rouge

Le parcours s’appuie sur un fichier volontairement imparfait : en-têtes sur deux lignes, dates de formats mélangés, libellés incohérents, totaux intercalés. Les participants décrivent la structure à l’assistant, obtiennent un plan de nettoyage, l’appliquent, construisent l’analyse demandée, puis mettent en place les contrôles de cohérence.

L’exercice se termine par une épreuve de vérité : le formateur introduit une erreur discrète, par exemple une correspondance approximative sur un code produit. Le groupe doit la détecter grâce aux contrôles mis en place. C’est cette étape, plus que la formule elle-même, qui constitue la compétence visée.

Critères de réussite

• Savoir formuler une demande en quatre éléments sans transmettre de données sensibles
• Comprendre et corriger une formule proposée plutôt que la copier
• Identifier quand le besoin relève de Power Query plutôt que d’une formule
• Mettre en place au moins trois contrôles de cohérence sur un fichier de travail
• Documenter un classeur de manière qu’un collègue puisse le reprendre

En résumé

Utiliser un assistant IA avec Excel a un intérêt réel sur l’explication, la construction de formules, la préparation d’un nettoyage et la structuration d’une analyse. Cet intérêt disparaît si le fichier est mal construit, si les données sensibles circulent sans précaution ou si les résultats ne sont pas vérifiés. La compétence visée n’est pas de savoir demander : c’est de savoir contrôler, choisir le bon outil et rester responsable du chiffre produit.